Resumen del artículo original Liebreich: Generative AI – The Power and the Glory publicado en BloombergNEF
Este año pasará a la historia como el año en el que el sector energético despertó con la inteligencia artificial (IA). Las conferencias sobre energía se han llenado de sesiones dedicadas a la IA, con una asistencia masiva. El Informe del Mercado Eléctrico de la Agencia Internacional de la Energía (IEA) del año pasado no mencionaba a los centros de datos, pero este año hay toda una sección dedicada a ellos. Esto refleja el impacto creciente de la IA en el sector energético.
Pero, a su vez, es el año en que la IA empezó a tener una gran demanda de energía. Las empresas tecnológicas han llegado a la conclusión de que su capacidad de dominar el mundo puede ser limitada por la disponibilidad de energía, y se han volcado en adquirir fuentes de energía despachables, desatando una especie de fiebre del oro energética. Esto genera preguntas: los centros de datos marcarán el inicio de una nueva era de innovaciones energéticas como la nuclear o la geotérmica, o simplemente absorberán las fuentes de energía limpia existentes, aumentando el uso de combustibles fósiles y provocando tensiones políticas y reguladoras?
Para entenderlo mejor, es necesario hacer un repaso breve de la historia de la IA. Desde su creación hace décadas, la IA ha pasado por varios ciclos de «Gartner Hype». A finales de los años 90, la victoria de Deep Blue de IBM sobre Garry Kaspárov cautivó la atención mundial, pero los avances no fueron inmediatamente espectaculares. En los años 2000, a pesar de los avances en visión por ordenador y aprendizaje automático, los productos comercializables eran limitados. Fue en la década de 2010 cuando el aprendizaje profundo permitió avances significativos en campos como el reconocimiento de imágenes y la traducción automática, aunque la IA todavía estaba lejos de una utilidad generalizada. Todo cambió entre 2020 y 2022, cuando AlphaFold2 demostró la capacidad de predecir estructuras proteicas y ChatGPT empezó a generar texto de forma sorprendente. Esto desató una creciente demanda de potencia de cálculo, con empresas como Nvidia experimentando un crecimiento espectacular en su valor de mercado, convirtiéndose en un actor central en la era de la IA generativa. Con esta creciente capacidad de la IA, su necesidad de electricidad se volvió una preocupación. Elon Musk y otros líderes tecnológicos advirtieron que los recursos energéticos podían convertirse en el límite para el crecimiento de la IA.
Hasta los años 2000, muchas empresas mantenían sus propios centros de datos “on-premise”, y el uso de la energía no era una gran preocupación. Pero con la expansión de Internet y el aumento de la complejidad de las operaciones digitales, los centros de datos empezaron a consumir más energía. En 1999, se preveía que la mitad de la red eléctrica alimentaría la economía digital. Asimismo, entre 2000 y 2006, el uso de energía de los centros de datos en EE.UU. aumentó significativamente. Sin embargo, las mejoras en eficiencia mitigaron estos aumentos de demanda, especialmente cuando las empresas empezaron a utilizar servicios en la nube, lo que mejoró la eficiencia energética. La Ley de Koomey destacó que la eficiencia energética de la computación mejoraría a un ritmo similar al de la Ley de Moore.
Sin embargo, pese a estas mejoras, la demanda de potencia de los centros de datos siguió aumentando. En 2015, se preveía que los centros de datos podrían consumir hasta un 6% de la energía global y la minería de criptomonedas se presentó como una nueva amenaza para la red eléctrica. Aunque estas previsiones no se cumplieron, la IA ha causado una nueva ola de crecimiento en la demanda energética. En 2020, la demanda de potencia de los centros de datos empezó a aumentar de forma significativa, impulsada tanto por el confinamiento por la pandemia como por el crecimiento de la IA, con chips de GPU consumiendo mucha más energía que los chips tradicionales de CPU.
Esta nueva demanda de energía plantea varias preguntas: ¿cómo se desarrollará la demanda de servicios de IA? ¿Cómo serán los nuevos centros de datos? ¿Qué fuentes de energía se utilizarán para satisfacer esta demanda? ¿Y qué impacto tendrá esto en la economía?
Uno de los grandes interrogantes es la velocidad con la que la IA puede transformar el mundo. Aunque la IA está demostrando ser transformadora, los costes asociados a su implementación pueden frenar su masiva adopción. Algunos analistas prevén que los ingresos de la IA tendrán que aumentar considerablemente para justificar las inversiones actuales. Esto sugiere que, aunque la IA se convierta en una parte fundamental de nuestra vida, quizás tardaremos una década en ver retornos significativos en las inversiones actuales.
Los centros de datos diseñados para entrenar a IA son mucho mayores y complejos que los tradicionales. Estos centros necesitan mucha potencia y, en muchos casos, deben concentrarse en ubicaciones con gran capacidad energética. Los centros de datos de nueva generación tienen entre 100 MW y 250 MW, con algunas instalaciones de hasta a 2 GW de capacidad. Esta gran potencia requerirá inversiones enormes, siendo los centros de datos tan complejos como submarinos nucleares. Esto puede provocar una presión muy fuerte sobre las redes eléctricas locales, como se ve en Virginia o Irlanda, donde la demanda de centros de datos está desbordando las infraestructuras existentes.
El crecimiento de la IA ha aumentado también la demanda de energía de forma exponencial. Algunas previsiones indican que la demanda de centros de datos puede aumentar entre un 35% y un 250% a nivel mundial hasta 2030. Esto representará un desafío para los suministros energéticos existentes. Los expertos prevén que los centros de datos de la IA podrían representar hasta un 12% del consumo total de energía en EE.UU. El aumento de la demanda no será uniforme en todo el mundo, con algunos sitios como Europa y China siendo más desfavorecidos debido a precios elevados de energía y restricciones tecnológicas.
En resumen, la IA está transformando rápidamente la economía energética. Con mayores centros de datos y con una mayor demanda de energía, el sector energético se ve obligado a adaptarse para satisfacer esta creciente necesidad. Mientras, el desarrollo de nuevas fuentes de energía como la nuclear, la solar u otras tecnologías limpias será esencial para garantizar que la IA pueda crecer de forma sostenible. Aunque la IA promete revolucionar muchos sectores, el camino hacia esta transformación será largo y lleno de desafíos económicos y energéticos.
Predicciones de demanda de energía para centros de datos
Las predicciones sobre el crecimiento de la demanda de energía de los centros de datos en los próximos años muestran un claro panorama. El Boston Consultancy Group prevé que la demanda de energía de los centros de datos en Estados Unidos se triplicará hasta el 7,5% de toda la energía consumida en el país en 2030, frente al 2,5% que representaban en 2022. Goldman Sachs, más optimista, espera que esa cifra llegue hasta el 8%, una cantidad que requerirá unos 47 GW adicionales de suministro distribuible. Por su parte, el Instituto de Investigación de Energía Eléctrica (EPRI) prevé una situación en la que el consumo de energía de los centros de datos en todo el mundo llegue hasta el 9,1% de la demanda total de energía de Estados Unidos, con un aumento de 76 GW de nueva capacidad distribuible en EE.UU. La predicción más optimista proviene de McKinsey, que anticipa un crecimiento global de la demanda de 240 GW entre 2023 y 2030, cuyo consumo podría alcanzar el 12% de toda la energía estadounidense.
El análisis más detallado, realizado por Semi Analysis, se centra en la cadena de suministro de semiconductores, especialmente en las unidades de procesamiento gráfico (GPU) que se utilizan para entrenar modelos de IA. El informe de Semi Analysis advierte que la distribución de los centros de datos no será homogénea globalmente. Por ejemplo, Europa sólo tiene un 4% de la capacidad de cálculo de IA, con precios de energía mucho más elevados que en EE.UU. Además, los problemas para añadir una nueva capacidad de generación de energía en Europa complicarán aún más el crecimiento de la demanda de los centros de datos. Por otra parte, China, a pesar de ser un actor potente en la generación de energía, se ve limitada por su acceso restringido a las nuevas tecnologías de Nvidia, lo que la sitúa cinco años por detrás de EE.UU. en términos de acceso a capacidades de IA. El Golfo Pérsico, con una gran ambición de convertirse en un jugador destacado en IA, está invirtiendo de manera significativa, aunque sus infraestructuras y capacidades son todavía limitadas.
Así pues, durante los próximos años, la mayoría de la nueva capacidad de los centros de datos de IA se concentrará en EE.UU. Semi Analysis estima que la demanda de energía de los centros de datos en ese país podría aumentar un 250% en 2030, absorbiendo casi el 15% de toda la energía consumida a nivel nacional y requiriendo la construcción de 76 GW de nueva capacidad distribuible.Esta expansión también se extenderá a nivel global, con una demanda de potencia creciente y un papel crucial de EE.UU. como principal destino de la nueva capacidad.
Eficiencia energética e impacto de la IA en la demanda global de energía
El crecimiento masivo de la demanda de energía puede verse contrarrestado por mejoras en la eficiencia energética de los sistemas informáticos. Nvidia ha logrado mejorar la eficiencia energética en las últimas generaciones de sus GPU, con incremento de 45.000 veces en la eficiencia en la unidad de datos procesadas durante los últimos ocho años. Además, la nueva GPU Blackwell es, en algunos casos, 25 veces más eficiente que la anterior generación. Sin embargo, las mejoras en la eficiencia energética de las CPUs pueden llegar a un límite por razones termodinámicas a medida que la tecnología avance. Las GPU no son simplemente chips de mayor tamaño, sino sistemas completos que integran múltiples componentes que pueden experimentar mejoras tanto en su velocidad como en su eficiencia.
Otro elemento clave es el desarrollo de nuevas arquitecturas como las Unidades de Procesamiento de Tensor (TPU) de Google, diseñadas específicamente para la IA. Éstas pueden resultar más eficientes que las GPU tradicionales, y con el rápido avance de la tecnología, es probable que las innovaciones en hardware tengan un impacto sustancial en la eficiencia energética global. A pesar de estas mejoras en la eficiencia, las previsiones de la demanda energética siguen siendo elevadas. Según estimaciones más conservadoras, la demanda de energía global de los centros de datos podría duplicarse, con un aumento de 30 GW en EE.UU. y una capacidad global adicional de 15 GW. Sin embargo, los factores como los costes de construcción, permisos, y la disponibilidad de materiales y mano de obra pueden ralentizar la expansión de esta demanda.
Sin embargo, la IA también tiene el potencial de ayudar a reducir la presión sobre la demanda de energía en otros sectores. Está ya teniendo un impacto significativo en la industria energética, optimizando el diseño, mantenimiento y producción de parques eólicos y solares. Los operadores de la red también utilizan IA para gestionar más eficientemente las líneas de transmisión, detectar fallos y prevenir incendios. Además, la IA mejora las previsiones meteorológicas y ayuda a los operadores de la red a ajustar la demanda a los períodos de alta oferta renovable, favoreciendo la coordinación entre la generación de energía y la demanda de los consumidores. La optimización del comercio de energía con IA también está mejorando la gestión de recursos como las baterías conectadas a la red.
Impacto de la IA sobre la economía
Además de la industria energética, la IA puede afectar a diversos sectores de la economía, reduciendo el consumo de energía. En el sector del transporte, por ejemplo, la IA permite optimizar las rutas y reducir el consumo de combustible, mientras que en la construcción ayuda a maximizar el uso de la infraestructura existente y minimizar la necesidad de nuevas construcciones. En el sector industrial, la optimización de diseños y materiales puede disminuir el consumo de recursos y la energía necesaria para su fabricación. Por lo general, la IA ayudará a reducir la congestión y mejorará la eficiencia de muchos sectores.
Los beneficios que la IA aporta a la eficiencia energética podrían actuar como poderoso acelerador de la actividad económica. Si la IA puede acelerar la electrificación del transporte, calefacción e industria en un tiempo más corto, los beneficios ambientales podrían superar los impactos negativos derivados del aumento de la demanda energética de los centros de datos. La IA tiene el potencial de mejorar tanto la eficiencia como la sostenibilidad, ayudando a conseguir un equilibrio entre el crecimiento tecnológico y los objetivos medioambientales. A medida que la IA se desarrolla, se prevé que las mejoras en la eficiencia energética ayuden a mitigar la presión sobre la red eléctrica, a pesar de sus crecientes demandas.
Aunque la IA puede mejorar la eficiencia energética, también puede provocar un aumento de la actividad económica que genere una demanda adicional de energía. El llamado «efecto Jevons» se refiere a la idea de que las mejoras en la eficiencia energética pueden, en última instancia, aumentar la demanda total de energía a medida que disminuyen los costes.
El reto de ser verde
Añadir demanda adicional de energía limpia parece sencillo, pero el reto es que debe ser localizada, disponible las 24 horas y limpia. Los hiperescaladores como Google, Microsoft, Meta y Amazon han firmado compromisos para lograr cero emisiones limpias. Han firmado acuerdos de compra de energía renovable por más de 70 GW, pero el boom de la IA ha hecho que su demanda de energía se haya duplicado, complicando estos objetivos. La pelea se centra en las reglas sobre las compensaciones de energías renovables. Google y Microsoft quieren una corresponspondencia más estricta entre generación y demanda, mientras que Meta y Amazon favorecen un enfoque más flexible.
¿Energía nuclear como solución?
Para cubrir la gran demanda de energía necesaria para la IA, muchos operadores de centros de datos están explorando energía nuclear. Microsoft, Amazon y Google han firmado acuerdos para comprar energía nuclear en plantas existentes o para desarrollar pequeñas plantas nucleares modulables (SMR). Sin embargo, la construcción de nuevas plantas nucleares todavía se encuentra con obstáculos, como los altos costes y los largos períodos de construcción.
Mientras que la nuclear puede parecer una solución atractiva, otras fuentes de energía renovable, como la eólica y la solar, son cada vez más prevalentes. Estos tipos de energía han sido responsables de la mayor parte de la nueva capacidad de energía añadida en el mundo en los últimos años. Los centros de datos se pueden alimentar de forma eficiente con energía renovable, como demuestra el proyecto Start Campus Sines en Portugal, que utilizará energía eólica y solar, con soporte de baterías.
Desafíos y soluciones en el largo plazo
Tenemos el reto de alimentar los centros de datos con energía limpia, especialmente en el contexto del auge de la IA. A corto plazo, es probable que los gigantes tecnológicos recurran al gas natural para satisfer sus necesidades energéticas. Sin embargo, esta solución no es sostenible a largo plazo debido a sus implicaciones medioambientales.
El texto destaca el potencial de las energías renovables, como la eólica y la solar, para alimentar a los centros de datos. También menciona otras opciones prometedoras, como la geotermia mejorada y la energía hidráulica. En particular, el texto señala que las regiones con abundantes recursos hidroeléctricos, como Escandinavia y Brasil, son lugares atractivos para las industrias que dependen de energía limpia y barata.
Existen desafíos y limitaciones de algunas soluciones energéticas alternativas. Por ejemplo, la construcción de nuevas centrales hidroeléctricas puede ser difícil y quitar mucho tiempo. Además, algunas tecnologías emergentes, como la perforación de ondas milimétricas para la geotermia, aún se encuentran en fases tempranas de desarrollo y pueden tardar décadas en comercializarse.
Es importante encontrar soluciones energéticas sostenibles para alimentar los centros de datos, ya que su demanda de energía sigue creciendo.
Conclusión
Los centros de datos, especialmente aquéllos orientados a la inteligencia artificial (IA), se convierten en elementos clave para el futuro de la tecnología. Pese a su importancia, su construcción y mantenimiento presentan retos importantes, tanto a nivel de costes como de impacto ambiental. A medida que las demandas de energía por parte de los hiperescaladores aumentan, éstos deben encontrar soluciones que sean rentables, eficientes e integradas con la comunidad local.
Una de las opciones planteadas es la construcción de centrales eléctricas propias para alimentar a los centros de datos. Aunque esta idea puede parecer atractiva, comporta una serie de complejidades. Construir una planta eléctrica y un centro de datos juntos aumentaría significativamente las dificultades logísticas y los costes, además del riesgo asociado al uso de tecnologías no probadas, como las centrales nucleares innovadoras. Mantener los centros conectados a la red, por su parte, no elimina el problema, ya que las regulaciones y los costes de transmisión siguen siendo un factor importante.
Además, los centros de datos de IA se verán obligados a no actuar de forma aislada. La mejor opción será la cooperación con otras partes implicadas como las comunidades locales, las utilidades y otros agentes sociales y económicos. Así, los hiperescaladores podrían empezar a convertirse en aliados en el desarrollo de redes locales más sostenibles, asequibles y robustas.
El diseño de centros de datos beneficiosos para las comunidades locales es fundamental. Esto implica no sólo la reducción de impactos ambientales, como los relacionados con el suministro de agua o la calidad del aire, sino también un enfoque en las habilidades laborales locales y en la generación de empleo. Además, es necesario buscar formas de colaborar con las utilidades locales en cuestiones como la seguridad energética y la gestión de recursos en momentos de emergencia. Un ejemplo de ello es el acuerdo que estableció Microsoft con Black Hills Energy, que permitió utilizar a los generadores de reserva de la compañía para soportar la red eléctrica, evitando la necesidad de construir nuevas plantas.
Los centros de datos también pueden jugar un importante papel en la estabilización de la red eléctrica mediante la respuesta a la demanda. Mediante el uso de la capacidad de respuesta a la demanda o ajustando las tasas de aumento y descenso de su energía consumida, los centros de datos pueden ayudar a equilibrar la oferta y la demanda de forma más eficiente.
Por último, los hiperescaladores tienen un papel clave en el desarrollo y despliegue de nuevas tecnologías energéticas, como los reactores modulares pequeños (SMR), la fusión o nuevas líneas de transmisión superconductoras. Estos actores, con su poder económico y tecnológico, pueden crear la demanda necesaria para el desarrollo de nuevas soluciones energéticas. Sin embargo, sería más eficiente que estos esfuerzos no fueran sólo para su beneficio, sino que también se orientaran a un uso más amplio que beneficie a la economía y la sociedad en general.
Esta cooperación y optimización de recursos serán fundamentales para garantizar que los centros de datos no sólo sean eficientes para sus operadores, sino también para la sociedad, ayudando a garantizar su licencia social para operar en un contexto de intenso cambio tecnológico y social.
